HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Prime Agent: 自己改善型のRLMエージェント

Prime Agent: A self-improving RLM agent (primeintellect.ai)

226 pointsby Xeophon54 コメント

要約

Prime Agentは、再帰的言語モデル(RLM)と継続的ハーネスという2つの抽象化を中心に設計された、自己改善型のコーディングハーネスです。これにより、エージェントは自身のコンテキスト上で言語モデルプログラムを記述し、任意に長いセッションを過去の情報へのアクセスを失うことなく処理できます。また、エージェント間の通信を可能にし、サブエージェントやセッションを横断したオーケストレーションを実現します。

全文翻訳

Prime Agent: 自己改善型のRLMエージェント

本日、私たちはPrime Agentをローンチします。これは、再帰型言語モデル(RLM)[引用]と継続型ハーネス(Continual Harness)[引用]という2つの抽象化を中心に設計された、自己改善型のコーディングハーネスです。現代のハーネス設計は、旧世代モデルの能力に基づいて構築されており、最先端モデルが今日できることを反映していません。固定されたツール呼び出しスキーマやコンテキスト圧縮は、モデルが足場を活かすのではなく、その足場の周りで作業することを強います。静的で手作業で設計されたサブエージェント、プロンプト、スキル、メモリは、設計時に一度設定されると、エージェントが実行中に学習したことに適応することはありません。私たちは、ハーネスは代わりに、現在のモデル能力を推論パターンの次のフロンティアへと外挿すべきだと考えています。

Prime Agentはこの原則に基づいて、主に2つの抽象化を中心に構築されています。

  1. 再帰型言語モデル(RLM)は、コンテキストを変数として扱い、サブエージェントの委任をREPL内での関数呼び出しとして扱います。永続的なREPLは、モデルに履歴、サブエージェント、ツールへのプログラム的なアクセスを提供し、自身のコンテキストに対するアクションとして言語モデルプログラムを作成できるようにします。この設計により、エージェントは自身の過去の情報にアクセスを失うことなく、任意の長さのセッションを処理できます。
  2. 継続型ハーネス(Continual Harness)は、ハーネス自身の状態(プロンプト、スキル、メモリ、サブエージェントとして抽象化される)を、エージェントが自身の軌跡から作成、読み取り、更新、削除(CRUD)できるものとして扱います。エージェント間通信と組み合わせることで、このメカニズムはサブエージェント間、さらにはPrime Agentセッション間でのオーケストレーションを可能にします。例えば、Prime Agentは永続的なサブエージェントを起動し、後で軌跡の中でそれらにメッセージを送り、別のPrime Agentセッションと直接通信することができます。

これらの抽象化は、モデルの能力をブートストラップする上で強力です。Prime Agentは、汎用コーディングアシスタントとして、長期間にわたる自律評価のデフォルトランタイムとして、そして研究および自己研究の協力者として効果的であるように構築されています。

Prime Agentは完全にオープンソースであり、以下からインストールできます。

curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh

[画像: Prime Agent オンボーディングスプラッシュスクリーン]

Prime Agent

エージェントハーネスのパフォーマンスは、ハーネスの設計と、ハーネスを中心にトレーニングされたモデルの能力の両方に依存します。私たちは、Prime Agentが最新のオープンおよびクローズドフロンティアモデルですぐに使用できるだけでなく、新しい世代のモデルがその周りでトレーニングされるにつれてさらなるパフォーマンス向上が期待できる機能セットを提供できるように設計しました。

Prime Agentのコアは、プログラムによるツールとサブエージェントの呼び出しを中心に設計されています。Prime Agent内のモデルは、唯一のツールとして永続的なIPythonカーネルを使用します。その他の標準的なハーネス機能は、カーネル内の関数として呼び出されます。これにはサブエージェントも含まれ、各サブエージェントは別のprime-agentインスタンスとして実装されています。

Prime Agentのアーキテクチャ

[画像: Prime Agent アーキテクチャ図]

RLMと継続型ハーネスが2つのコア抽象化であり、サブエージェントのCRUDとAgent2Agentメッセージングがそれらをオーケストレーションに構成します。

バックグラウンドデーモンとエージェントビュー。 デフォルトビューは、他のコーディングエージェントハーネスに似たテキストユーザーインターフェース(TUI)です。デフォルトでは、エージェントが行ったIPythonアクションは簡潔にするために圧縮されますが、展開してハーネスが行ったアクションを表示できます。REPLで起動されたサブエージェントは、ユーザーチャットボックスの下からもアクセスできます。

[画像: Prime Agent テキストユーザーインターフェース]

Prime Agentは、ローカルソケットを介してすべてのライブエージェントセッションを所有するバックグラウンドデーモンを実行します。基盤となるエージェントループに影響を与えることなく、セッションにアタッチおよびデタッチできます。各ルートセッションツリーは、リカバリ可能なワーカープロセスで実行されます。ワーカーがクラッシュした場合、デーモンはセッションJSONLとカーネル状態のスナップショットからそれをリカバリします。

エージェントビューを使用すると、デーモンから他のライブセッションを表示および選択できます。これは、空のプロンプトで左矢印キー(←)を押すことで開かれ、現在実行中のセッション、デーモンがアクティブなままのアイドルセッション、および現在メモリにロードされていない非アクティブなセッションを一覧表示します。これらのチャットのいずれにもすぐにアクセスして対話でき、スペースキーを押すと、ユーザーは任意の状態のセッションとチャットでき、/compactのようなプロンプトやコマンドのステアリングとキューイングも可能です。

エージェントビューは、エージェントとサブエージェント間の接続ポイントとして、再帰的に構築されます。あらゆるエージェントはエージェントビューで検出可能です。ユーザーはエージェントビューからエージェントのチャットに入り、そのサブエージェントのエージェントビューに入り、サブエージェントのチャットに入り、というようにナビゲートします。

サブエージェントはルートエージェントと同じ実行中-アイドル-非アクティブ状態マシンを共有するため、30分のアクティビティがないとメモリから削除され、ユーザーまたはエージェントがそれらのいずれかにアクセスした瞬間にディスクからリロードされます。深くネストされたチャットでは、これにより多くのメモリを節約できます。

[画像: Prime Agent エージェントビュー(実行中、アイドル、非アクティブなセッションを一覧表示)]

セッションとコンテキスト管理。 エージェントのセッション履歴全体は、ディスク上の追記専用JSONLファイルとして保存されます。各行はJSONエントリであり、メッセージ、モデル切り替え、圧縮サマリー、または拡張エントリを含めることができます。分岐、フォーク、クローンはすべて、リーフポインタを移動することで同じファイル内で行われます。完全な履歴は、/treeを介して常にリカバリ可能です。

コンテキストがしきい値に達したとき、またはエージェントがREPLでcompact.run()を直接呼び出したときに圧縮が発生します。圧縮は主にエージェントのメインコンテキストをクリーンアップするために使用されますが、過去の圧縮を含む完全な履歴は、必要に応じてIPythonカーネルでプログラム的にアクセスできます。

REPLの導入には、IPython状態を管理するための追加作業が必要です。カーネルを非同期に圧縮およびクリーンアップし、スプーントエージェントをガベージコレクタとして使用します。これは、エージェントごとに構築されるREPLメモリの蓄積を回避するために必要です。

RLMとプログラムによるツール呼び出し(PTC)

Prime Agentは、セッション全体で永続するIPythonカーネルをREPLとして利用し、これを各ターンで呼び出すことができます。初期化時に、カーネルは各スキル/ツールをモジュールとしてプリインポートします。これには、再帰的なプログラムによるサブエージェント呼び出しのためのrlmも含まれます。

rlmは非同期関数であり、モデルはコード内でサブエージェント呼び出しを自由に呼び出し、並列化できます。サブエージェントを起動する(例: await rlm("sub-task"))と、独自のモデル、IPythonカーネル、セッションツリー、会話履歴を持つ完全なセッションが起動します。後続のすべてのエージェント間通信はagent_message.send(...)ツールを介して行われるため、これはすぐに返されます。

Prime Agentがこの方法で起動できる有用なプリミティブがいくつかあります。例えば、サブエージェントを並列でファンアウトしたり、バックグラウンドタスクを起動したりすることです。

# 並列ファンアウト — rlm() はタスク受付時に子ハンドルを返し、子の回答は返しません。
# 結果は agent_message の応答として到着します。
auth = await rlm("Summarize the authentication flow in auth/. Reply to me when done.", name="auth-expert")
api = await rlm("Summarize the updated HTTP API layer in src/. Reply to me when done.", name="http-expert")
# ... 独立した作業を続行します。各子は完了時に
# agent_message.send(..., receiver_role="parent") を介して応答します ...

# 子を途中で誘導または拡張(ロール+名前で)
await agent_message.send(
    "Also cover middleware error handling.",
    receiver_role="child",
    receiver_name=api.name,
)

モデルの改善が進むにつれて、ツール呼び出しやサブエージェントに対する新しい呼び出しパターンが出現するでしょう。将来の世代のモデルは、手作業で指示されたプロンプトに依存するよりも、このような直接的なプログラム制御に依存するようになると予想されます。

オーケストレーションとマルチエージェント通信

バックグラウンドデーモンは、すべてのライブPrime Agentセッションを管理します。Prime Agentは、デーモンを介したエージェント間(A2A)メッセージングも可能にし、任意のPrime Agentセッションが、永続サブエージェントへのメッセージングに使用されるのと同じメカニズムを使用して他のPrime Agentセッションにメッセージを送信できるようにします。これにより、サブエージェント群の進捗管理や、影響を受けるエージェント間の共有リソースに関する直接的な通信を容易にオーケストレーションできます。望ましくない通信が独立したセッション間で発生するのを防ぐため、Prime Agentのマルチエージェント通信は核家族(親、兄弟、子プロセス)に限定されます。

# 名前付きの子を起動します。ハンドルは受付時に返されます。
handle = await rlm("Find what's wrong in this auth-flow. Reply to me with your findings.", name="auth-reviewer")
# ... 子の調査結果は、戻り値ではなく、親ロールの応答として到着します ...

# 後で(圧縮やカーネル再起動後も存続します):保持された子をリカバリします。
children = await rlm.list_subagents()
auth_child = next(c for c in children if c.session_name == "auth-reviewer")

# 同じ保持された子セッションにフォローアップのターンを送信します。
await agent_message.send(
    "Follow up: identify the main edge cases and any likely bugs.",
    receiver_role="child",
    receiver_name=auth_child.session_name,
    mode="follow_up",
)

Prime Agentは、RLMネイティブランタイムを介して永続サブエージェントをサポートします。これは、サブエージェント自身のセッションディレクトリ、コンテキスト、IPythonカーネル、およびセッション履歴が、最初のサブエージェント呼び出しが完了した後も存続することを意味します。Prime Agentは、IPythonカーネルから、一意のセッション識別子にアクセスすることで、永続サブエージェントを継続するためにさらにメッセージを送信できます。

継続型ハーネスによる自己改善

Prime Agentのハーネス状態は、永続IPythonカーネル内のrlm.harnessとして存在し、エージェントがタスク中に即座に読み取りおよび呼び出し可能であり、すべての変更はディスクにも書き込まれるため、ターン間およびセッション間で存続します。継続型ハーネスは、この状態をH

各コンポーネントは、同じ作成、読み取り、更新、削除(CRUD)インターフェースを公開します。create_prompt_note(...)、create_memory(...)、create_skill(...)、create_subagent(...)はそれぞれその種類の項目を追加し、update_X(...)とdelete_X(...)はそれらをミラーリングし、list(kind)またはget(kind, id)はそれらを読み戻します。スキルもこの同じインターフェースに従います。Pythonバックエンドのスキルを作成することは、メモリやプロンプトノートを追加するのと同じ操作であるcreate_skill(...)呼び出しで、SKILL.mdスタイルの参照を渡します。

# 同じCRUDインターフェースを介してメモリとスキルを作成します
rlm.harness.create_memory("flaky test pattern", "retry three times before failing")
rlm.harness.create_skill("retry helper", "...", reference={"type": "python", "import": "retry_helper"})

# それらを読み戻します
rlm.harness.list("memory")
rlm.harness.get("skill", "retry_helper")

/refineは、このCRUDインターフェースの上に構築された自己改善パイプラインです。エージェント自身の軌跡(試したことと起こったことの記録)を読み取り、ハーネスをより良い結果に向けて改善する最小限の関連CRUD編集を適用します。つまり、ハーネス全体を書き直すのではなく、プロンプトノート、メモリ、スキル、またはサブエージェント仕様を更新します。各リファインメントは、そのトリガーと生成された結果を記録するため、改善は恣意的ではなく証拠に基づいています。リファインメントは2つのフェーズで実行されます。計画(編集を提案するLLM呼び出し)はバックグラウンドで実行され、進行中の会話をブロックしません。編集の適用(ディスクへの書き込みとシステムプロンプトの再構築)は高速であり、次のターンの境界でわずかにブロックするだけです。エージェントは、固定スケジュールだけでなく、繰り返し失敗や再利用可能な戦術に気づいたときにいつでもrefine.run()を直接呼び出すことができます。

# 特定の観察に焦点を当てたリファインメントをスケジュールします
await refine.run("promote the retry-on-flaky-test pattern to a skill")

# ステータス呼び出しは両方とも同じ形状に従いますが、refineの計画/適用分割により
# "in_flight" はバックグラウンド計画または高速適用ステップのいずれかを意味する可能性があります
await compact.status()   # tokens, context_window, percent, scheduled
await refine.status()    # pending, in_flight

ベースのシステムプロンプトは不変のままです。/refineは、その周りのハーネスレイヤーのみを編集します。ロールバックは、以前のリファインメント履歴を通じてサポートされており、悪いハーネス更新をIDで元に戻すことができます。

Evalsのための自律モード

Prime Agentの評価モードは、3つの補完的なメカニズムを組み合わせています。ゴールは全体的な目標を設定します。これは、ハーネスがエージェントにターンを重ねて追求するように再プロンプトし続け、エージェントが明示的にgoal.complete()を呼び出すまで追跡される永続的な目標です。ハートビートは、固定間隔でセッションに注入されるcronスタイルのスケジュールメッセージであり、サブエージェントの進捗監視やトレーニングアップデートのポーリングなどの定期的なチェックに使用されます。自律モードは、ターンがそれ以上の出力を生成しなくなったときにエージェントが早期に停止するのを防ぎ、エージェントが目標に向かって作業し続けることを保証する継続メカニズム自体です。これらを組み合わせることで、セッションは明示的な予算によって制限され、エージェントビューを通じて検査可能でありながら、長期間 unattended で実行できます。

自律モードは、スクリプトなしでCLIから--autonomousで直接利用できます。実行は、同じコマンドで完了目標とターンの制限を設定できます。

prime-agent \
  --autonomous \
  --autonomous-gate "npm run check" \
  --autonomous-max-turns 20 \
  "Implement and verify the requested change"

ゲートコマンドは、セッションが完了を許可される前に実行されます。失敗したゲートは、その制限された出力をエージェントに返して再試行させます。Prime Agentは、ワークスペースが前回試行時と変更されていない場合、失敗したゲートの再実行をスキップします。--autonomous-max-turns、--autonomous-max-tokens、--autonomous-timeout-msは、それぞれ継続、トークン、および壁時計時間を制限します。

Prime Agentの評価

Prime Agentは、使用されるコーディングエージェントとして、また研究のために評価されるハーネス設計として機能します。多くの最新の最先端モデルが特定のハーネスを中心にトレーニングされていますが、現在、Prime Agentまたはそのコア機能セットを中心にトレーニングされたモデルはないことに特別な注意を払います。

ARC-AGI 3。 ARC-AGI 3は、エージェントの記号的推論能力とシミュレートされた世界のルールを学習する能力を測定する、人気の知能ベンチマークです。私たちは、複数の異なる最先端モデルで自律モードを使用してPrime Agentを評価し、それらのネイティブハーネスと比較します。Prime AgentはCLIコーディングエージェントとして開発されたため、ARC AGI 3固有の変更はタスクプロンプトのみであり、PRO-LONGで使用される標準プロンプト設定に触発されています。

Opus 5をPrime Agentで使用した最良の結果は、95.5% RHAE Best@1を達成し、これはARCが報告した人間の専門家ベースラインの95.4%を上回ります。3回の実行全体で、Prime Agentは一貫して良好なパフォーマンスを示します([95.0、95.2、95.5])し、すべての183/183レベルを完了して99.97% Best@3を達成します。ARC-AGI-3のメディアンスコアカードアクションリプレイ(95.2%)はこちらで見ることができます。

[画像: ARC-AGI-3 テスト時間計算スケーリング:スコア対ゲームあたりの出力トークン][画像: ARC-AGI-3 コストスケーリング:スコア対推定APIコスト]

ARC-AGI-3:(左)テスト時間計算スケーリング:スコア対ゲームあたりの出力トークン。(右)コストスケーリング:スコア対推定APIコスト。

各モデルのネイティブハーネスよりも高い最大スコアを達成することに加えて、Prime Agentは全体的なトークン使用量も少なく抑えられることがわかりました。Prime Agentは、ツールを使用してデータを読み取るのにトークンを費やすのではなく、プログラムで関数をデータ上で実行することにより、トークンを節約します。

最後に、Opus 5とGPT-5.6 SolをそれぞれClaude CodeとCodexで評価したところ、公式結果と比較して全体的なパフォーマンスが低下したため、公式報告の数値に譲ることを指摘します。

長いコンテキストと長時間のタスク

実世界の多くの困難なタスクは、長いコンテキストのタスクに還元されます。私たちの目標は、オープンウェイトモデルを備えたPrime Agentが、汎用エージェントとして、また評価されるベースラインハーネスとして、クローズドモデルおよびハーネスの競争力のある代替手段であることを示すことです。

以下に、コーディング、検索、および一般的な長文推論タスクにわたる一般的な長文コンテキストベンチマークのスイートを選択し、Prime Agentをいくつかの異なる人気のあるハーネスと比較します。各ハーネスのメインコンテキストは、開始時にメモリ内のファイルにオフロードします。クローズドモデルハーネスの場合、関連モデル(例: GPTとCodex、OpusとClaude Code)を使用しますが、Prime-AgentとPi-mono(サブエージェント付き)の場合、GLM-5.2のオープンウェイトモデルを選択します。

GLM-5.2 (high)

Opus 5 (high)

GPT-5.6 Sol (high)

Eval

Prime-Agent

Pi-mono (w/ sub-agents)

Prime-Agent

Claude Code

Prime-Agent

Codex

OOLONG (yahoo, 128k)
long context

0.700

0.420

0.900

0.920

0.940

0.500

OOLONG-Pairs
long output

0.874

0.556

0.929

0.922

0.911

0.895

OBLIQ-Bench (math)
long ranking [ndcg@10]

0.669

0.635

0.802

0.795

0.612

0.646

LongBenchPro (English)
long comprehension

0.777

0.768

0.804

0.790

0.794

0.790

LongBenchv2
expert annotated long tasks

0.680

0.696

0.744

0.746

0.714

0.704

ManyIH Coding
long instructions

0.424

0.386

0.536

0.522

0.499

0.454

ManyIH IF
long instructions

0.209

0.164

0.225

0.175

0.216

0.232

LongCot-Mini
long reasoning

0.638

0.613

0.722

0.558

0.671

0.681

EmulatorBench
long coding

0.208

0.000

0.047

0.062

0.275

0.228

一般的に、Prime Agentは、特にトレーニングされていないハーネスと比較して、幅広い長文タスクで競争力があることがわかります。Prime Agentは、長期間実行されるタスクや長文コンテキストのタスクに特に優れており、自律エージェントとして競争力を持って実行できます。Prime Agentが優れている長文設定に焦点を当てたケーススタディと実験のセットを含めます。

エミュレータのゼロからの作成。 エミュレータとは、別のコンピュータシステムの観測可能な動作を再現するソフトウェアです。私たちは、エージェントがさまざまなゲームシステムのカスタムエミュレータをRustで構築するタスクであるEmulatorBenchでPrime Agentを評価します。エージェントには、エミュレータの仕様と、検証プログラムの形式での診断テストのセットが与えられます。

エミュレータの正確さは、ターゲットマシンの動作を模倣する能力から与えられます。これは、CPUフラグ、PPUタイミング、その他のコンポーネントなど、エミュレータの動作を検査する人間が生成した診断プログラムによって測定されます。データ汚染の影響を最小限に抑えるため、エージェントには参照実装なしでサンドボックス化されたRustでエミュレータをゼロから構築することを要求します。16個のエミュレータ再構築の平均、およびPrime Agentが正常に再現したSEGA GenesisとNintendo Game Boy Colorのエミュレータに関する予備結果を、この長文コーディングベンチマークで報告します。Opusの場合、私たちの実行は、成功したツール呼び出し応答にもかかわらず、タスクを解決できませんでした。

[画像: EmulatorBench:Sega Genesisエミュレータ作成時のスコア対コスト][画像: EmulatorBench:Game Boy Colorエミュレータ作成時のスコア対コスト]

EmulatorBench:Sega Genesisエミュレータ(左)およびGame Boy Colorエミュレータ(右)作成時のスコア対コスト。

GPUカーネルの作成。 パフォーマンスの高いGPUカーネルを作成することは、コードを繰り返し検証、プロファイリング、調整して正確性を得るための反復的なプロセスです。私たちは、最近リリースされたPMPP-HardベンチマークでGPUカーネル作成のハーネスとしてPrime Agentを評価します。このベンチマークは、エージェントが公式のGPU MODEカーネルリーダーボードで使用されている検証ツールであるKernelGuardに対する一連の正確性チェックをパスするパフォーマンスの高いGPUカーネルを作成する必要があるタスクのスイートです。

[画像: Prime AgentのPMPP-Hardベンチマーク結果]

ゲームにおける長期間のケーススタディ

ビデオゲームの自律的なプレイは、モデルとハーネスが長期間の意思決定をどのように処理するかについての興味深いケーススタディになっています。ゲームでは、ハーネスが数百万トークンにわたる情報とコンテキストのバランスを取り、この情報を活用して効率的にアクションを取り、壊滅的な状態を回避する必要があります。

Factorio。 Factorioは2Dファクトリーシミュレーションゲームで、エージェントはリソースを採掘し、技術を研究し、自動化された工場を建設してこれらのリソースの生産を増やす必要があります。Factorio Learning Environment (FLE)は、FactorioをプレイするLLMの観測空間とアクション空間を簡素化するためのインターフェースであり、これを使用してPrime Agentをゲームに接続します。

FLEのアクションおよび観測空間はPythonのモジュールであり、各ターンでプログラム的にアクセスされます。これはPrime AgentのIPythonカーネルに直接統合されます。サブエージェントのPTCを活用するために、ゲーム内で4つの制御可能なキャラクターを起動します。

[画像: 4つの制御可能なキャラクターでFactorioをプレイするPrime Agent]

Prime Agentがサブエージェントとプログラムによるツール呼び出しを使用して、Factorioでリソースを直接マシンにテレポートさせることでチートしている様子。

FLEの主なメトリックは生産スコアであり、これはエージェントが生成するすべての材料の加重平均です。Prime Agentは、/refineを活用して、失敗と成功をそれぞれメモリとスキルに変換しました。自身の蓄積された経験を使用して、ますます効率的な機械レイアウトを設計し、実行ごとに生産スコアを向上させました。これにより、Prime Agentは数時間で生産スコア10万以上の範囲で効率的にスコアリングすることができました。

しかし、FLEで報酬ハッキングのインスタンスも観察されました。Prime Agentは、明示的なハートビートプロンプトでFactorioでチートしないようにリマインドされていても、RCONコマンドを介してアセンブリマシンに直接リソースをスプーニングすることで、Factorioのルールを完全にバイパスできることを発見しました。このエクスプロイトを見つけると、正規のスキルを構築していたのと同じリファインメントループが、効率的なチートスキルを構築することに転じました。

MazeBench。 MazeBenchは、プレイヤーが3Dキューブを制御し、グローバル迷路内のパズルルームを解決しながらジェムを収集する必要があるオープンワールド3D空間推論環境です。最先端モデルは、このタスクで苦労しており、世界全体のごく一部しか解決するために数十億トークンを費やしています。Opus 5とGPT-5.6 SolをPrime Agent(ネイティブハーネスと比較)と、GLM-5.2をClaude Codeと比較します。ベンチマークメトリックに従い、発見されたユニークな部屋の数、ユニークな状態の数、および総ジェム数を、全体的なトークン消費量の関数として報告します。

[画像: MazeBench結果:トークン消費量の関数としての部屋、状態、ジェム]

次のステップ

Prime Agentは、エージェントハーネス設計における新しいパラダイムです。他のハーネスよりも優れた結果を示していますが、モデルでPrime Agentを実行する際にまだ摩擦が見られます。これは、このハーネスパラダイム、あるいは個々のRLMおよび継続型ハーネスコンポーネントを中心に直接トレーニングすることから、まだ大きなパフォーマンス向上が可能であることを示唆しています。

私たちは、モデルとハーネスの共同学習が新しい能力を解き放つための主要なパラダイムであると強く信じています。Prime Agentの多くの機能は、トレーニングされたモデルなしでは完全に活用されておらず、ハーネスを中心に直接トレーニングすることから、まだ大きなパフォーマンス向上が可能であると信じています。私たちは、これらすべての新しい機能をオープンに提供できることを楽しみにしています。

詳細については、完全な技術レポートを近日公開します。

謝辞

Prime Agentはpiの上に構築されています。piの著者の貴重な作業に感謝します。

引用

@article{primeintellect2026primeagent,
author = {Seth Karten and Alex L. Zhang and Kevin Thomas and Sebastian Müller and Prime Intellect Team},
title = {Prime Agent: A Self-Improving RLM Harness},
journal = {Prime Intellect Blog},
year = {2026},
month = {August},
note = {https://www.primeintellect.ai/blog/prime-agent}
}